Herausforderung
Online Recruiting über Social Media Plattformen bietet Unternehmen heute die Möglichkeit, auf einen großen Kandidatenpool zuzugreifen. Der Prozess der Identifizierung vielversprechender Profile auf einschlägigen Plattformen ist jedoch langwierig und oftmals mit einer niedrigen Response-Rate verbunden. Als professioneller Anbieter von Social Media Recruiting sah sich unser Kunde täglich mit dieser Situation konfrontiert.
Ansatz
Da die Eignung eines Onlineprofils vom Text der jeweiligen Stellenausschreibung abhängt, wurde zunächst ein Word-Embedding zusammen mit einem Neuronalen Netz aus dem Bereich Natural Language Processing (NLP) entwickelt, um Anforderungsmerkmale der Profile mit denen der Stellenausschreibung in Relation zu setzen. Machine Learning Modelle können darauf aufbauend alle verfügbaren Onlineprofile in Bezug auf ihre Relevanz für eine Stellenausschreibung und ihre Antwortwahrscheinlichkeit bewerten. Die gewonnen Daten wurden außerdem genutzt, um automatisiert den Text bestehender Stellenausschreibungen um Anforderungsmerkmale wie zum Beispiel Kenntnisse in bestimmten Programmiersprachen zu ergänzen, was für Bewerber:innen wiederum die Attraktivität einer Ausschreibung erhöht.
Ergebnis
Die implementierte Recommendation Engine unterstützt den Recruiting-Prozess unseres Kunden, indem gezielt vielversprechende Profile vorgeschlagen und bestehende Stellenausschreibungen optimiert werden. Dadurch konnte die Response-Rate signifikant angehoben und manuelle Mehrarbeit reduziert werden.